一、学习股票有哪些好书推荐？

我接触股票是看第一财经的《谈股论金》，那时候是廖英强主持，后来又看了很多他的博客，在淘宝买了一些他的视频和电子书看，再后来他自己办了个《爱股轩》的网站，后来改名字叫《仟和亿》，里面也有些老师我挺喜欢。最近新闻爆出他们操纵股市，进去了。凭良心讲，跟他们真是学了不少东西。

二、机器学习好难怎么学？有什么能快速入门的好书吗？

首先学习机器学习必须有扎实的数学基础和算法基础，要想吃透其思想没有捷径可以走，只能踏踏实实的学习，不然南京大学成立的人工智能学院怎么开了那么多门的数学课？比如高等数学、线性代数、概率论与数理统计、泛函分析、运筹学（注意不是诸葛亮运筹帷幄的那个兵法，是数学的分支，你如果理解为奇门遁甲得原理和数学相通的，这个是没问题的）、算法设计等等，据说985的大学生也学的头疼，其实我觉得不管什么样的好学生，认识事物都是从感性到理性的过程，不可逾越，能够逾越的，都是从小各种环境就好，985大学生学起来吃力说明课程安排和时间安排有问题，我是做大学生工作的，对955同学也很了解，就是他们太忙了，一上大学手头的名目太多了：什么考研、第二学历、托福等。不说这些了，那么初学者机器学习想入门到底有没有捷径可走？答曰：有，前提是你肯专研，这可不如web前端、JAVA语言之类的入门容易，按照我说的步骤做法如下：

1、你连初高中的数学都不扎实的，多补习，多做数学题

因为有些算法初高中的数学就能解决，比如协同过滤算法里面求相似度：你可以用欧式距离求，欧式距离不会？那你还不复习和补习？初中学的。可以用余玄函数求解，这个是初中知识吧？

当然也可以用大学学的方差、相关系数求解，忘了？可以百度，大学生应该有自学能力吧（由于分数低的200～450分的不算，当然也有好的，我们这里不谈小概率事件，大家也别喝毒鸡汤：什么某某学历不好，但是什么什么云云，下同）？

2、你可以借助于计算框架先入门

机器学习计算框架比如JAVA语言的mahout、python语言的机器学习库（一般来说是sklearn），Scala语言的MLib。比如决策树算法就被python封装的很好。

基础不好，借助于框架也是没办法的事情，先入门体验，再学原理。值得注意的是：不可以只会框架，不懂原理和推导步骤，这样只会表面东西没什么用。

我的学生我直接要求使用代码实现诸如Apriori算法、决策树算法等，我不让他们用框架，那是害他们，什么时候用框架？对了，工作时候用，因为工作和学习不一样，工作追求效率，学习追求原理。所以很多社会上拿python来忽悠的，大多数为学艺不精或者不学无术者来误人子弟，大家一定善于辨别，别入坑。

3、要有不断学习和钻研精神

急功近利的人学不好机器学习，更别指望靠它创新设计出来新的数学模型。比如SVM支持向量积算法涉及到的知识有凸优化、拉格朗日乘数法、空间几何等知识，很多机器学习的书本写到这个算法就寥寥几笔带过，因为没法写了，要写光这个算法就写好几本书？那怎么办，我们大家要有钻研精神。

机器学习算法工程师工资是高，甚至月薪10万以上很正常。但是你和面试官说我会python机器学习，面试官必然问的深入，这时候你就会表面东西肯定和高薪无缘，不是不用你，你可以做数据、调参数。

所以我们浮躁不得，更不能有传统思想：靠简单的游戏规则赚大钱，因为现在资本家投资越来越理性，野蛮增长日子一去不复返。更重要的你不爱机器学习，它就不爱你，你目的不纯（只向钱看）它更让你难受。所以要学机器学习务必有钻研精神。

至于入门的书有没有？答曰：有，列举如下：

1、《白话大数据与机器学习》

这本书优秀高中生就能看懂，这已经是最低要求了。作者：高扬，一位务实的专家。

这本书将涵盖以下比较重要的数据挖掘和分析知识点：概率、统计和分布、多维向量空间、回归、聚类、分类、关联分析、协同过滤、文本挖掘、神经网络。同时，讲解了大数据相关的人才需求、行业情况、大数据变现与产品发布、系统调优等读者需要了解的内容。

2、《白话深度学习与TensorFlow》

本书写的很人性化，作者还是高扬等，这里感谢开发公司的架构师们百忙之中还为初学者着想。

本书适用于零基础的初学者：

（1）基础篇（靠前～3章），讲解了机器学习、深度学习与实践的上下文知识，如基本的机器学习与深度学习算法，TensorFlow框架的安全与配置，简单的深度学习实践。该篇是阅读和实践的基石。

原理与实践篇（第4～8章），介绍“老牌”的深度学习网络的数学原理和工程实现原理，尤其是第4章，如果能基本读懂，后面的网络实现层面的问题基本都可以迎刃而解。涵盖BP网络、CNN、RNN的结构、思路、训练与使用，以及一些常见的综合性问题。该篇是学习深度学习的重点和难点，作者通过大量示例、推理与实现，帮读者优选化降低学习曲线。

（2）扩展篇（第9～13章），介绍一些网络的变种和一些较新的网络特性，涵盖深度残差网络、受限玻尔兹曼机、强化学习、对抗学习，这是读者进一步学习与实践思路的钥匙。很后给出了一些有趣的深度学习应用：人脸识别、作诗姬、大师风图像处理，有趣又等

三、学习药学的学生推荐几本好书？

药学专业必看的专业书是《古德曼吉尔曼治疗学的药理学基础》、《药物临床信息参考》、《临床用药须知》、《临床药学理论与实践》

四、学习制冷质检书有哪些好书？

1、《空调制冷装置与系统仿真》—（刘忠宝）358页

2、《制冷空调系统仿真原理与技术》张春路著

3、《制冷空调系统通用仿真平台GREATLAB使用手册与实例分析》 张春路著

4、《制冷空调装置智能仿真》（丁国良 张春路著）

05、《制冷空调装置仿真与优化》（丁国良 张春路著）

五、机器学习包括？

机器学习

机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

六、机器学习是从哪里学习？

机器学习是从数据中学习的。它利用算法和统计模型来分析数据，发现数据中的模式和规律，从而生成预测模型和决策模型。

机器学习有监督学习、无监督学习和强化学习等不同的学习方式，可以应用于各种不同的领域，如自然语言处理、计算机视觉、音频信号处理和金融等。

机器学习的数据来源可以是结构化数据和非结构化数据，如图像、文本、音频和视频等。

七、什么是学习和机器学习？

机器学习(Machine Learning)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，它是人工智能的核心，是使计算机具有智能的根本途径。

学习，是指通过阅读、听讲、思考、研究、实践等途径获得知识和技能的过程。学习分为狭义与广义两种：狭义：通过阅读、听讲、研究、观察、理解、探索、实验、实践等手段获得知识或技能的过程，是一种使个体可以得到持续变化（知识和技能，方法与过程，情感与价值的改善和升华）的行为方式。例如:通过学校教育获得知识的过程。广义：是人在生活过程中，通过获得经验而产生的行为或行为潜能的相对持久的方式。次广义学习指人类的学习。

八、介绍本学习催眠术的好书？

1、《心理催眠术》作者： （英）德雷顿 主编，贺岭峰，李种云，田彬 译这是一本从实证角度出发的书籍，大量引用了研究成果

2、《催眠之声伴随你》是介绍艾瑞克森体系的催眠的，里面更多介绍的是间接暗示，比如讲故事等。

3、《艾瑞克森的催眠治疗理论》斯蒂芬·吉利根著，系统介绍艾瑞克森催眠体系4、方新翻译的《自我催眠》《催眠入门》也是两本不错的催眠基础书籍5、《每天用一点神奇催眠术》廖阅鹏著，比较不错的一本传统催眠方面的书籍。

九、业余学习金融学求好书推荐？

西方经济学（宏微观） 投资学 货币银行学 证券投资学 财务管理 基础或中级会计 商业银行经营学 金融市场学 中央银行学 国际金融学 国际贸易理论与实务 等等这是必学的课程 平时可以看看一些金融或经济类著作 比如金融的逻辑 货币战争 资本战争 黄金战争 金融炼金术 还有一些关于华尔街、摩根、高盛的书籍（非常多），金融类的书特多 观点纷杂。 希望你看的时候有自己的主观判断

十、业余学习金融学，求好书推荐？

西方经济学（宏微观） 投资学 货币银行学 证券投资学 财务管理 基础或中级会计 商业银行经营学 金融市场学 中央银行学 国际金融学 国际贸易理论与实务 等等这是必学的课程 平时可以看看一些金融或经济类著作 比如金融的逻辑 货币战争 资本战争 黄金战争 金融炼金术 还有一些关于华尔街、摩根、高盛的书籍（非常多），金融类的书特多 观点纷杂。 希望你看的时候有自己的主观判断